CN114326620B - 一种全流程自动控制方法、装置及电子设备 - Google Patents

Abstract

本申请涉及一种全流程自动控制方法、装置及电子设备，该方法包括：获取当前初始生产数据以及历史工作数据，初始生产数据为生产产品的参数要求，所述历史工作数据包括初始生产数据和生产过程中各个节点的控制参数；根据所述历史工作数据建立自动模拟模型；根据所述当前初始生产数据和自动模拟模型，计算各个节点的控制参数期望值，所述控制参数包括状态参数和调控参数；根据控制参数期望值生成相应的控制指令，以控制各个节点的工作。本申请具有能实现对生产过程的自动控制，节约人力的效果。

Description

一种全流程自动控制方法、装置及电子设备

技术领域

本申请涉及自动控制的领域，尤其是涉及一种全流程自动控制方法、装置及电子设备。

背景技术

目前，科技的快速发展和社会的不断进步，在工业生产中无人化、智能化逐渐成为主流发展趋势，传统工业生产过程中，大多通过工作人员手动操作设备，根据生产情况实时调整设置参数完成生产，工作效率较低，且在生产过程中工作人员要时刻停留在工作现场大量浪费人力。

发明内容

为了实现对生产过程的自动控制，节约人力，本申请提供了一种全流程自动控制方法、装置及电子设备。

第一方面，本申请提供一种全流程自动控制方法，采用如下的技术方案：

一种全流程自动控制方法，该方法包括：

获取当前初始生产数据以及历史工作数据，初始生产数据为生产产品的参数要求，所述历史工作数据包括初始生产数据和生产过程中各个节点的控制参数；

根据所述历史工作数据建立自动模拟模型，所述自动模拟模型包括多个子模型；

根据所述当前初始生产数据和自动模拟模型，计算各个节点的控制参数期望值，所述控制参数包括状态参数和调控参数；

根据控制参数期望值生成相应的控制指令。

通过采用上述技术方案， 获取历史工作数据，根据历史工作数据训练得到自动模拟模型，获取初始生产数据，将初始生产数据输入至自动模拟模型，计算出各个节点的控制参数期望值，根据得出的控制参数期望值生成对应的控制指令，以控制各个节点的工作，通过上述方案，实现了对生产过程的自动控制，节约人力。

可选的，所述自动模拟模型包括多个子模型，当没有获取到当前初始生产数据时，该方法还包括：

根据历史工作数据确定生产的产品种类、型号以及不同型号产品的次品率以及历史产量；

获取不同型号产品的次品率以及生产量对应的权重；

基于预设的选定规则，根据生产的产品种类以及不同型号产品的次品率以及历史生产量，选定要生产的产品类型以及型号；

根据选定的要生产的产品的种类以及型号，确定子模型以及对应的历史初始生产数据，将所述历史初始生产数据作为当前初始生产数据。

可选的，该方法还包括：

实时获取成品检测数据；

基于第一预设规则，判断成品检测数据是否存在异常数据；

若是，基于预存的数据关联表确定异常数据对应的控制参数；

基于第二预设规则，确定异常数据对应的控制参数中的异常控制参数；

基于预存的数据关联表确定所述异常数据与所述异常控制参数的关联关系以及异常控制参数与其余各项控制参数的关联关系；

根据所述异常数据与所述异常控制参数的关联关系以及异常控制参数与其余各项控制参数的关联关系调整异常控制参数。

通过采用上述技术方案，实时获取成品检验数据，并基于第一预设规则，判断成品检验数据中是否存在异常数据，若是，基于预存的数据关联表确定异常数据对应的控制参数，基于第二预设规则，确定异常数据对应的控制参数中的异常控制参数，然后根据数据关联表确定异常数据与异常控制参数的关联关系以及异常控制参数与其余各项控制参数的关联关系，并根据上述关联关系调整异常控制参数，采用上述方案可以在生产过程中实时调整控制参数，提高生产产品的合格率。

可选的，所述获取初始生产数据以及历史工作数据的方法，具体包括：

将工作人员手动输入的初始生产数据存储至数据库中，调取初始生产数据；

调取数据库中存储的历史工作数据。

可选的，所述根据所述历史工作数据建立自动模拟模型的方法，具体包括：

建立自动模拟模型框架；

将所述历史工作数据输入至自动模拟模型框架进行模型训练，得到自动模拟模型。

可选的，所述基于第二预设规则，确定异常数据对应的控制参数中的异常控制参数的方法，具体包括：

获取异常数据对应的状态参数的当前值、历史值以及期望值和调控参数的当前值和期望值；

根据状态参数的当前值、历史值以及期望值，判断状态参数是否存在异常；

对比当前调控参数的当前值和期望值，判断调控参数是否存在异常；

确定异常的状态参数和/或调控参数为异常控制参数。

可选的，所述根据状态参数的当前值、历史值以及期望值，判断状态参数是否存在异常的方法，具体包括：

根据状态参数当前值以及状态参数历史值，确定状态参数的变化规律；

判断所述变化规律与预设变化规律是否相同；

若否，则确定状态参数存在异常。

第二方面，本申请提供一种全流程自动控制装置，采用如下的技术方案：

一种全流程自动控制装置，包括：

第一获取模块，用于获取当前初始生产数据以及历史工作数据；

模型建立模块，用于根据所述历史工作数据建立自动模拟模型；

计算模块，用于根据所述当前初始生产数据和自动模拟模型，计算各个节点的控制参数期望值；

指令生成模块，用于根据控制参数期望值生成相应的控制指令，以控制各个节点的工作。

第三方面，本申请提供一种电子设备，采用如下的技术方案：

一种电子设备，包括存储器和处理器，所述存储器上存储有能够被处理器加载并执行的全流程自动控制方法的计算机程序。

第四方面，本申请提供一种计算机可读存储介质，采用如下的技术方案：

一种计算机可读存储介质，存储有能够被处理器加载并执行的全流程自动控制方法的计算机程序。

综上所述，本申请包括以下至少一种有益技术效果：

1.通过获取历史工作数据，根据历史工作数据训练得到自动模拟模型，获取初始生产数据，将初始生产数据输入至自动模拟模型，计算出各个节点的控制参数期望值，根据得出的控制参数期望值生成对应的控制指令，以控制各个节点的工作，通过上述方案，实现了对生产过程的自动控制，节约人力；

2.通过实时获取成品检测数据，当成品检验数据中出现异常数据时，根据异常数据，确定与异常数据对应的异常控制参数，确定异常控制参数后，确定异常数据与异常控制参数的关联关系以及异常控制参数与其余各项控制参数的关联关系，并根据上述关联关系调整异常控制参数，采用上述方案实现在生产过程中实时调整控制参数，提高生产产品的合格率。

附图说明

图1是本申请提供的全流程自动控制方法的流程图。

图2是本申请提供的全流程自动控制装置的结构框图。

图3是本申请提供的电子设备的结构示意图。

附图标记说明：200、全流程自动控制装置；201、获取模块；202、模型建立模块；203、计算模块；204、指令生成模块；301、CPU；302、ROM；303、RAM；304、I/O接口；305、输入部分；306、输出部分；307、存储部分；308、通信部分；309、驱动器；310、可拆卸介质。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的全部其他实施例，都属于本申请保护的范围。

另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。

本申请使用的所有术语（包括技术术语或者科学术语）与本申请所属领域的普通技术人员理解的含义相同，除非另外特别定义。还应当理解，在诸如通用字典中定义的术语应当被解释为具有与它们在相关技术的上下文中的含义相一致的含义，而不应用理想化或极度形式化的意义来解释，除非这里明确地这样定义。

对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。

目前在进行生产的过程中，由于一些生产设备本身原因导致当按照理想的控制参数区控制生产时生产的产品有时会出现不符合规范的情况。为了改善这一问题同时实现对生产过程的自动控制，节约人力，本申请实施例公开一种全流程自动控制方法。参照图1，全流程自动控制方法包括：

S101：获取当前初始生产数据以及历史工作数据。

具体的，初始生产数据为生产产品的参数要求，当前初始生产数据为本次生产中生产产品的参数要求，在进行生产之前，手动后输入当前初始生产数据，包括产品的种类、型号、数量、尺寸，服务器将工作人员手动输入的当前初始生产数据存储在数据库中，从数据库中调取当前初始生产数据；历史工作数据包括历史初始生产数据和生产过程中各个节点的控制参数，例如：各个节点的温度、气压，设备运行速度以及设备单次进料量等，生产过程中服务器自动保存生产过程中的各项数据，形成历史工作数据，并将历史工作数据存储在数据库中。

S102：根据历史工作数据建立自动模拟模型。

具体的，建立自动模拟模型框架，调取存储在数据库中的历史工作数据，将历史工作数据输入至自动模拟模型对自动模拟模型进行训练，得到训练好的自动模拟模型，自动模拟模型用于计算生产过程中各个节点的控制参数的期望值，本实施例中，自动模拟模型的具体训练方法为本领域技术人员公知的技术手段，在此不错详细赘述。

S103：根据当前初始生产数据和自动模拟模型，计算各个节点的控制参数期望值。

具体的，自动模拟模型建立完成后，调取当前初始生产数据，并将当前初始生产数据输入至自动模拟模型中，自动模拟模型根据当前初始生产数据，计算出各个节点的控制参数期望值，控制参数期望值为理想状态下，要使生产产品达到当前初始生产数据的要求，各个节点的控制参数的设定值。

控制参数包括状态参数和调控参数，状态参数为各个生产节点的环境参数，如温度、气压等，调控参数为设备本身的参数，如设备的运行速度、设备单次进料量以及功率等。

S104：根据控制参数期望值生成相应的控制指令，以控制各个节点的工作。

具体的，通过自动模拟模型计算出各个节点对应的控制参数期望值后，服务器根据各个节点对应的控制参数期望值生成相应的控制指令，并将生成的控制指令输入至相应节点的控制器，通过控制器控制设备各个节点达到控制参数期望值工作。

在生产过程中，常常由于设备原因或人为原因导致，服务器无法获取到当前初始生产数据时，此时服务器可根据预设的确定规则自动确定当前初始成产数据，自动模拟模型包括多个子模型，每个子模型均对应该设备生产的一种型号的产品。

首先，根据历史工作数据确定生产的产品种类、型号以及不同型号产品的次品率以及历史产量；每次生产完成后，服务器获取设备本次的工作数据，并将工作数据存储在数据库中形成历史工作数据，服务器从数据库中调取历史工作数据。

获取到历史工作数据后，从历史工作数据中提取该设备生产产品的种类以及该类产品的型号，获取每种型号的产品的次品率以及历史生产量对应的权重，每种型号的产品的次品率以及历史生产量对应的权重预先存储在数据库中，可通过服务器从数据库中调取。

基于预设的选定规则，根据生产的产品种类以及不同型号产品的次品率以及历史生产量，确定要生产的产品种类以及型号。

例如，当根据历史工作数据确定该设备生产的产品的种类为A，且可生产A类产品的型号为a、b两种，a、b两种型号产品对应的次品率以及历史生产量的权重分别为，次品率70%，历史生产量30%。

确定具体生产哪种型号的产品时，首先对比a、b两种型号的产品的次品率，确定次品率小的型号的产品为要生产的产品，当a、b两种型号的产品的次品率相同时，比较a，b两种型号的产品的历史生产量，选取历史生产量大的型号的产品作为要生产的产品，当a，b两种型号的产品次品率和历史生产量均相同时，选取a型号的产品为要生产的产品。

确定要生产的产品种类以及产品型号后，确定与产品种类以及产品型号对应的子模型及历史工作数据，并将历史工作数据作为当前初始工作数据，将确定的当前初始工作数据输入至对应的子模型，计算各个节点的控制参数期望值，服务器根据各个节点对应的控制参数期望值生成相应的控制指令，并将生成的控制指令输入至相应节点的控制器，通过控制器控制设备各个节点达到控制参数期望值工作。

通过上述方法，当无法获取到工作人员当前初始生产数据生成相应的控制指令控制设备工作时，可通过历史工作数据以及预设的规则，自动确定出当前初始生产数据，不会出现设备停滞的情况，确定当前初始生产数据时结合不同型号产品的次品率以及历史生产量，使得即使生产的产品的型号不是当前工作人员所期望的型号，相较于设备停滞产生的经济损失更小。

为了进一步提高，全流程自动控制方法的实用性，该方法还包括：

实时获取成品检验数据；具体的，每种产品在生成生产完成后都需要对产品进行检测，判断产品是否合格，每一产品均有自己对应的成品检测数据，通过特定的检测装置或方法对生产完成的成品进行检测，确定其成品检验数据，并将检测到的成品检测数据存储至数据库中，服务器可从数据库中调取成品检测数据。

基于第一预设规则，判断成品检测数据是否存在异常数据；具体的，从数据库中调取成品检测数据，将成品检测数据与当前初始生产数据中相同类型数据一一进行比对，并计算成品检测数据与当前初始生产数据中相同类型数据的数值的差值，判断差值是否在预设误差范围内，若是，则确定该数据不是异常数据，若否，则确定该数据为异常数据，本实施例中，预设误差范围为工作人员根据工作经验人为设定；采用上述方法，对成品检测数据一一进行判断，判断成品检测数据中是否存在异常数据，若否，则按当前控制参数继续工作。

若是，则确定出成品检测数据中的异常数据，根据预存的数据关联表，确定与成品检测数据中的异常数据对应的控制参数之后，基于第二预设规则，确定异常数据对应的控制参数中的异常控制参数；具体的，获取异常数据对应的控制参数的当前值、历史值以及期望值，上述所说的历史值为当前生产过程中，由开始到当前阶段控制参数的数值，期望值为当前生产过程中，各个节点控制参数的理想值。

具体的，服务器向设备发送信息获取指令，设备接收信息获取指令，将控制参数当前值、控制参数的历史值以及控制参数期望值传输至服务器并存储在数据库中，确定成品检测数据中的异常数据后，服务器输出信息调取指令，调取成品检测数据中的异常数据对应的控制参数的当前值、历史值以及期望值。

根据调控参数当前值、历史值以及期望值，判断调控参数是否存在异常，具体的，对比调控参数的当前值和期望值，判断调控参数当前值与期望值的差值是否在预设的误差范围内；若否，则判断控制参数存在异常；若是，根据状态参数历史值以及当前值分析状态参数的实际变化规律，对比状态参数的实际变化规律和到当前阶段状态参数的预设变化规律，预设变化规律可根据状态参数期望值统计得出，判断状态参数的实际变化规律是否符合状态参数的期望变化规律，若否，则判断控制参数存在异常；若是，则判断控制参数不存在异常。

确定出成品检测数据中的异常数据和与异常数据对应的异常控制参数后，根据预存的数据关联表确定成品检测数据中的异常数据与其对应的每项控制参数之间的关联关系以及异常控制参数与其余各项控制参数的关联关系，关联关系为异常数据和与其对应的每项控制参数之间的函数关系。

根据异常数据和与其对应的异常控制参数之间的函数关系、异常数据的期望值以及各项控制参数与异常控制参数之间的函数关系，确定异常控制参数的调整方向和调整数值，使得异常数据的数值与异常数据的期望数值之间的误差在预设的误差范围内。本实施例中，通过大数据统计的方式确定初始生产数据的数值与各项控制参数的数值之间的函数关系以及各项控制参数数值之间的函数关系，大数据统计为本领域技术人员惯用的常规技术手段，在此不做过多赘述。

本申请公开的一种全流程自动控制方法，获取历史工作数据，根据历史工作数据训练得到自动模拟模型，获取初始生产数据，将初始生产数据输入至自动模拟模型，计算出各个节点的控制参数期望值，根据得出的控制参数期望值生成对应的控制指令，以控制各个节点的工作，实现了对生产过程的自动控制，节约人力，同时还实时获取成品检测数据，当判断成品检测数据中出现异常数据时，确定与异常数据对应的异常控制参数，根据两者之间的关联关系以及异常数据的期望值，调整异常控制参数，使得异常数据的数值与异常数据的期望值的误差在预设的误差范围内。

需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于可选实施例，所涉及的动作和模块并不一定是本申请所必须的。

以上是关于方法实施例的介绍，以下通过装置实施例，对本申请所述方案进行进一步说明。

本申请实施例公开一种全流程自动控制装置，参照图2，全流程自动控制装置200包括：

第一获取模块201，用于获取当前初始生产数据以及历史工作数据；

模型建立模块202，用于根据所述历史工作数据建立自动模拟模型；

计算模块203，用于根据所述当前初始生产数据和自动模拟模型，计算各个节点的控制参数期望值；

指令生成模块204，用于根据控制参数期望值生成相应的控制指令，以控制各个节点的工作。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，所描述的模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

本申请实施例公开一种电子设备。参照图3，电子设备包括，包括中央处理单元(CPU)301，其可以根据存储在只读存储器(ROM)302中的程序或者从存储部分307加载到随机访问存储器(RAM)303中的程序而执行各种适当的动作和处理。在RAM 303中，还存储有系统300操作所需的各种程序和数据。CPU 301、ROM 302以及RAM 303通过总线彼此相连。输入/输出(I/O)接口305也连接至总线。

以下部件连接至I/O接口304：包括键盘、鼠标等的输入部分305；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分306；包括硬盘等的存储部分307；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分308。通信部分308经由诸如因特网的网络执行通信处理。驱动器309也根据需要连接至I/O接口304。可拆卸介质310，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器309上，以便于从其上读出的计算机程序根据需要被安装入存储部分307。

特别地，根据本申请的实施例，上文参考流程图图1描述的过程可以被实现为计算机软件程序。例如，本申请的实施例包括一种计算机程序产品，其包括承载在机器可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分308从网络上被下载和安装，和/或从可拆卸介质310被安装。在该计算机程序被中央处理单元(CPU)301执行时，执行本申请的装置中限定的上述功能。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的申请范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离前述申请构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中申请的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (9)

1.一种全流程自动控制方法，其特征在于：该方法包括：

获取当前初始生产数据以及历史工作数据，初始生产数据为生产产品的参数要求，所述历史工作数据包括历史初始生产数据和生产过程中各个节点的控制参数；

根据所述历史工作数据建立自动模拟模型；

根据所述当前初始生产数据和自动模拟模型，计算各个节点的控制参数的期望值，所述控制参数包括状态参数和调控参数；

根据控制参数的期望值生成相应的控制指令；

实时获取成品检测数据；

基于第一预设规则，判断成品检测数据是否存在异常数据；

若是，基于预存的数据关联表确定异常数据对应的控制参数；

基于第二预设规则，确定异常数据对应的控制参数中的异常控制参数；

基于预存的数据关联表确定所述异常数据与所述异常控制参数的关联关系以及异常控制参数与其余各项控制参数的关联关系；

根据所述异常数据与所述异常控制参数的关联关系以及异常控制参数与其余各项控制参数的关联关系调整异常控制参数。

2.根据权利要求1所述的全流程自动控制方法，其特征在于：所述自动模拟模型包括多个子模型，当没有获取到当前初始生产数据时，该方法还包括：

根据历史工作数据确定生产的产品种类、型号以及不同型号产品的次品率以及历史产量；

获取不同型号产品的次品率以及生产量对应的权重；

基于预设的选定规则，根据生产的产品种类以及不同型号产品的次品率以及历史生产量，选定要生产的产品类型以及型号；

根据选定的要生产的产品的种类以及型号，确定子模型以及对应的历史初始生产数据，将所述历史初始生产数据作为当前初始生产数据。

3.根据权利要求1所述的全流程自动控制方法，其特征在于：所述获取当前 初始生产数据以及历史工作数据的方法具体包括：

将工作人员手动输入的初始生产数据存储至数据库中，调取初始生产数据；

调取数据库中存储的历史工作数据。

4.根据权利要求1所述的全流程自动控制方法，其特征在于：所述根据所述历史工作数据建立自动模拟模型的方法，具体包括：

建立自动模拟模型框架；

将所述历史工作数据输入至自动模拟模型框架，进行模型训练，得到自动模拟模型。

5.根据权利要求3所述的全流程自动控制方法，其特征在于：所述基于第二预设规则，确定异常数据对应的控制参数中的异常控制参数的方法，具体包括：

获取异常数据对应的状态参数的当前值、历史值以及期望值和调控参数的当前值和期望值；

根据状态参数的当前值、历史值以及期望值，判断状态参数是否存在异常；

对比当前调控参数的当前值和期望值，判断调控参数是否存在异常；

确定异常的状态参数和/或调控参数为异常控制参数。

6.根据权利要求5所述的全流程自动控制方法，其特征在于：所述根据状态参数的当前值、历史值以及期望值，判断状态参数是否存在异常的方法，具体包括：

根据状态参数当前值以及状态参数历史值，确定状态参数的变化规律；

判断所述变化规律与预设变化规律是否相同；

若否，则确定状态参数存在异常。

7.一种全流程自动控制装置，其特征在于：包括：

第一获取模块（201），用于获取当前初始生产数据以及历史工作数据；

模型建立模块（202），用于根据所述历史工作数据建立自动模拟模型；

计算模块（203），用于根据所述当前初始生产数据和自动模拟模型，计算各个节点的控制参数期望值；

指令生成模块（204），用于：

根据控制参数期望值生成相应的控制指令，以控制各个节点的工作；

实时获取成品检测数据；

基于第一预设规则，判断成品检测数据是否存在异常数据；

若是，基于预存的数据关联表确定异常数据对应的控制参数；

基于第二预设规则，确定异常数据对应的控制参数中的异常控制参数；

基于预存的数据关联表确定所述异常数据与所述异常控制参数的关联关系以及异常控制参数与其余各项控制参数的关联关系；

根据所述异常数据与所述异常控制参数的关联关系以及异常控制参数与其余各项控制参数的关联关系调整异常控制参数。

8.一种电子设备，其特征在于，包括存储器和处理器，所述存储器上存储有能够被处理器加载并执行如权利要求1至6中任一种方法的计算机程序。

9.一种计算机可读存储介质，其特征在于，存储有能够被处理器加载并执行如权利要求1至6中任一种方法的计算机程序。

Images